手指静脉身份识别系统的静脉特征提取方法

技术领域

本发明属于人体生物认证技术领域，涉及生物特征的提取，具体涉及手指静脉图像静脉特征的提取方法。

背景技术

在现代社会中，随着计算机及网络技术的高速发展，信息安全显示出前所未有的重要性。身份鉴定是保证系统安全的必要前提，在金融、国家安全、司法、电子商务、电子政务等应用领域，都需要准确的身份鉴定。如某人是否有权进入安全区域(安全系统)，是否有权进行特定交易，是否是本国居民，为了安全在公司计算机网络和因特网上单独设置口令或密钥进行保护等。当前，用于个人身份鉴别主要依靠ID卡(如身份证、工作证、智能卡、计算机标志卡和储蓄卡等)和密码等手段，然而这些手段存在携带不便、容易遗失，或者由于使用过多或不当而损坏、不可读和密码易被破解等诸多问题。因此，目前广泛使用的依靠证件、个人识别号码(Personal identification number，PIN)、口令等传统方法来确认个人身份的技术面临着严峻的挑战，并显得越来越不适应现代科技发展和社会进步的需要。

人们希望有一种更加方便可靠的办法来进行身份鉴定。生物特征识别技术给这一切带来可能。人们可能会遗忘或丢失他们的卡片或忘记密码，但是人们却不可能遗忘或者丢失自己的生物特征如人脸、指纹、虹膜、掌纹、静脉等。在众多识别方案中，指纹识别是目前最方便、可靠、非侵害和技术上相对成熟的生物识别技术。然而指纹识别还有其自身的不足：某些人或群体指纹特征很少，达不到建档要求；部分使用者由于指纹磨损而无法使用指纹认证；每次使用指纹时会在指纹采集器上留下用户的指纹印痕，这些指纹痕迹存在被复制利用的可能。基于手指静脉的身份认证有其独特的优势，有效地解决了传统的生物特征识别技术所面临的诸多难题，主要表现在：速度高、精度高、安全等级高、活体识别、内部特征、非接触式。

可见，众多的生物特征中手指静脉是较为理想的一种用于身份认证的生物特征。同时，基于手指静脉识别技术的个人身份识别系统是具有高精度、高速度的世界上最尖端的认证技术。在各种生物认证技术中，因其是利用外部看不到的生物内部特征进行认证的技术，所以作为具有高防伪性的第二代生物认证技术备受关注。

手指静脉识别的基础和关键是手指静脉图像特征提取，静脉特征能否准确提取直接关系到整个系统的识别精度。然而，目前现有的手指静脉特征提取方法较少，且对一些低质量的静脉图像特征提取不够准确。

发明内容

本发明的目的在于针对现有技术存在的不足，提出一种手指静脉认证系统的静脉图像中静脉的特征提取方法，属于手指静脉认证系统的核心模块，旨在能够准确地提取图像中感兴趣的静脉特征，减少提取错误特征和漏掉真实特征，同时可以提高整个系统的识别精度和提高图像处理速度。

首先对本申请中出线的技术术语说明、解释如下：

区域生长含义：先在图像中随机选择一个像素点作为生长种子点，并把该点作为当前点。然后在当前点8邻域中寻找下一点，寻找到的依据是该点是否位于谷行区域内，如是，则把它与当前点连接起来，并把该点作为当前点，重复该过程，完成对区域进行生长。否则，停止生长。

生长点：在进行区域生长过程中，被连接起来的点。

生长方向：在当前生长点的8邻域中寻找下一点时，从该点到下一点的移动方向。

像素点：图像矩阵中每一个元素。

某像素点位于谷行的深度：该像素点灰度值到谷面上素点灰度值之差的绝对值。

本发明具体采取以下技术方案：

一种手指静脉认证系统的静脉特征提取方法，其特征在于，该方法包括以下步骤：

(1)确定静脉像素点的当前生长点及其方向

在手指静脉图像中随机选择一个像素点作种子点并当作当前生长点，为了确定当前像素点的移动方向，在以该种子点为中心的3×3窗口内，把静脉的走向分为4个方向，然后对种子点按照所述四个方向分别进行区域生长；

(2)确定手指静脉图像不同的生长方向

设该种子点的生长方向为所述四个方向中的某一方向，然后确定该方向上的其它相邻的像素点是否是位于静脉上的点，如果是，则记录下位置，否则，退出在该方向生长，再执行对其他三个方向的生长；

(3)确定各个方向生长点

确定候选点：当在上述第(2)步中确定某一方向后，就可以确定下一生长点，即将和当前点在某一方向上相邻的两个点作为下一步生长的候选点；

确定候选点中是静脉的像素点：如果确定所述候选点为静脉上的像素点，则把该候选点作为当前生长点，继续沿该方向生长下去，否则，在种子点的其他方向进行生长；

(4)记录生长次数

如果上述候选点位于静脉上，则经过一次生长，用一个轨迹矩阵记录每个生长点的生长次数，否则退出该方向的生长，然后在种子点的另外三个方向进行生长，并记录生长次数；

(5)重复生长

当在第(1)步到第(3)步中完成了对一个种子点不同方向的生长并记录经过生长的点的次数后，完成了一次生长，然后在图像中随机的选择其它不同位置的作为种子点开始生长，使生长操作均匀的在整幅图像中执行；

(6)确定手指静脉图像中的静脉模式

经过设定次数的重复生长，每个像素点生长次数都被记录在大小与图像的大小相同轨迹矩阵的相应的位置中，在生长过程中，像素点经过生长的次数越多对应轨迹矩阵中相应位置上的值也就越大，该像素点就越有可能是静脉中的点；设定一个阈值，轨迹矩阵中大于该设定阈值的元素为静脉模式，最终得到静脉特征。其中所述设定次数为2500，所述设定的阈值L＝3。

对于一幅二维的手指静脉图像，静脉特征就是在图像中处于谷形的区域，将确定候选点是否位于静脉上的问题转化为确定该点是否处于所述手指静脉图像谷形中，根据当前像素点当前方向确定静脉的横截面，并利用检测算子与该截面内的像素点做卷积，记录下卷积结果作为该点的位于谷形的权重，设定一个第一阈值，当该点的权重大于该第一阈值，则认为该点处于谷形区域、即位于静脉上，当该点的权重小于等于该第一阈值，则认为该点处于非谷形区域，即不位于静脉上；

其中所述检测算子为：

${\mathrm{Gau}}^{\prime }\left(x\right)=1-\mathrm{gau}\left(x\right)=1-\frac{1}{3\sqrt{2\pi }}{e}^{-\frac{\left(x^2\right)}{2\times 3}}$(x＝-4，-3，-2，L，2，3，4)即：

Gau(x)＝[-0.7849-1.6333-2.4765-3.1070-3.3416-3.1070-2.4765-1.6333-0.7849]然后把直流分量规格化为0得：

${\mathrm{Fgray}}^{\prime }={\mathrm{Gau}}^{\prime }-\frac{\underset{1}{\overset{9}{\Sigma }}{\mathrm{Gau}}^{\prime }\left(x\right)}{9}$

即Fgray′＝[1.36460.5161-0.3270-0.9575-1.1922-0.9575-0.32700.51611.3646]

利用上述检测算子Fgray′与所述截面中的像素点Q(x，y)的卷积如下：

Gray(m_i，n_i)＝Q(x，y)*Fgray′

所述第一阈值T1设定为：T1为大于零的一个数。为了减少噪声，将所述第一阈值T1进一步优选为T1＝5。

对于在静脉图像单边缘上的点，通过上述卷积计算会得到较大的值，如果使用上述第一阈值来判断，有可能被认为是谷形区域中的点，影响静脉提取，为了消除这种干扰，利用以下方法来进行区分。

首先，将所述检测算子Fgray′拆成两个算子Fgray′1(i)(i＝-4，-3，-2，-1)与Fgray′2(i)(i＝1，2，3，4)，然后分别将所述两个算子与截面中像素点(m_i，n_i)两边的像素点做卷积得到两个卷积结果Gray1(m_i，n_i)和Gray2(m_i，n_i)，它们之差为

Gray′(m_i，n_i)＝|Gray1(m_i，n_i)-Gray2(m_i，n_i)|

设定第二阈值T₂，其中T2＝40，如果Gray′(m_i，n_i)＜＝T₁且Gray(m_i，n_i)＞T₂，则像素点(m_i，n_i)处于谷形区域，否则处于非谷形区域。

本发明可以准确的提取手指静脉的特征，特别对于一些低质量手指静脉图像的特征提取非常有效。同时可以提高整个系统的识别精度和提高图像处理速度。

附图说明

图1为每个点的生长方向示意图，其中(a)表示每个像素点与其周围8个相邻像素点，(b)把中心点与其相邻8个像素点走向分4个方向，(c)4个方向示意图；

图2为与静脉图像对应的矩阵表示；

图3为轨迹矩阵T初始化为0的示意图；

图4为每个像素点与其周围相邻像素点的关系示意图，一个像素点f(x，y)的8邻域，以单个像素为一个单位，它又表示一个3×3窗口；

图5为指静脉横截面的灰度分布示意图，其中(a)为截面部分的灰度坐标图，(b)为横截面在指静脉图像中的位置示意图；

图6为当前生长点方向及对应的指静脉横截面示意图；

图7为静脉图像的单边缘过渡带的灰度分布图；

图8为本发明提取方法的流程示意图。